Чиркова Надежда Александровна
- Младший научный сотрудник:Факультет компьютерных наук / Департамент больших данных и информационного поиска / Лаборатория компании Самсунг
- Начала работать в НИУ ВШЭ в 2016 году.
Полномочия / обязанности
- Проведение исследований в области рекуррентных нейронных сетей, публикация статей
Образование
Бакалавриат: Московский государственный университет им. М. В. Ломоносова, специальность «Прикладная математика и информатика»
Группа высокого профессионального потенциала (кадровый резерв НИУ ВШЭ)
Категория "Новые исследователи" (2018)
Учебные курсы (2018/2019 уч. год)
- Байесовские методы в анализе данных (Магистратура; где читается: Факультет компьютерных наук; программа "Финансовые технологии и анализ данных"; 2-й курс, 1, 2 модуль)Рус
- Введение в анализ данных (Бакалавриат; где читается: Факультет компьютерных наук; программа "Прикладная математика и информатика"; 2-й курс, 3, 4 модуль)Рус
- Машинное обучение (Бакалавриат; где читается: Факультет экономических наук; программа "Экономика"; 4-й курс, 1, 2 модуль)Рус
- Машинное обучение (Магистратура; где читается: Факультет компьютерных наук; программа "Финансовые технологии и анализ данных")Рус
- Архив учебных курсов
Учебные курсы (2017/2018 уч. год)
- Введение в анализ данных (Бакалавриат; где читается: Факультет компьютерных наук; программа "Прикладная математика и информатика"; 2-й курс, 3, 4 модуль)Рус
- Машинное обучение (Магистратура; где читается: Факультет компьютерных наук; программа "Финансовые технологии и анализ данных"; 1-й курс, 1, 2 модуль)Рус
Учебные курсы (2016/2017 уч. год)
- Введение в анализ данных (Майнор; где читается: Факультет компьютерных наук; 3, 4 модуль)Рус
- Машинное обучение 1 (Бакалавриат; где читается: Факультет компьютерных наук; 3-й курс, 1, 2 модуль)Рус
Публикации2
- Препринт Lobacheva E., Chirkova N., Vetrov D. Bayesian Sparsification of Recurrent Neural Networks / International Conference on Machine Learning. Series 1 "Workshop on Learning to Generate Natural Language". 2017.
- Статья N. A. Chirkova, K. V. Vorontsov. Additive Regularization for Hierarchical Multimodal Topic Modeling // Journal of machine learning and data analysis. 2016. Vol. 2. No. 2. P. 187-200. doi
Конференции
Опыт работы
Младший разработчик-исследователь, ЗАО Антиплагиат, июль 2016 - август 2016. Разработка прототипа предметно-ориентированной поисковой системы, учитывающей иерархическую тематическую структуру набора текстов.
Ассистент, Специализация "Машинное обучение и анализ данных" на платформе Coursera, январь 2016 - март 2017. Разработка практических заданий для слушателей курса, поясняющих основные принципы работы алгоритмов машинного обучения.
Faculty of Computer Science Staff Attend International Conference on Machine Learning
On August 6-11 the 34th International Conference on Machine Learning was held in Sydney, Australia. This conference is ranked A* by CORE, and is one of two leading conferences in the field of machine learning. It has been held annually since 2000, and this year, more than 1,000 participants from different countries took part.
Состоялся интенсив для преподавателей НИУ ВШЭ в рамках проекта Data Culture
14 и 15 июня в Московском офисе Яндекса состоялся интенсив для преподавателей и сотрудников НИУ ВШЭ, заинтересованных в тематике Data Science. Этот двухдневный цикл занятий проходил в рамках проекта Data Culture и был нацелен на подготовку преподавателей университета к участию в данном проекте.
'Machine Learning Algorithm Able to Find Data Patterns a Human Could Not'
In December 2016, five new international laboratories opened up at the Higher School of Economics, one of which was the International Laboratory of Deep Learning and Bayesian Methods. This lab focuses on combined neural Bayesian models that bring together two of the most successful paradigms in modern-day machine learning – the neural network paradigm and the Bayesian paradigm.
«Алгоритм машинного обучения умеет находить закономерности в данных, которые не видит человек»
В декабре 2016 года в Вышке были открыты пять новых международных лабораторий, в том числе Международная лаборатория глубинного обучения и байесовских методов. Предмет ее исследований — комбинированные нейробайесовские модели, объединяющие достоинства двух наиболее успешных в настоящее время парадигм машинного обучения — нейросетевой и байесовской.
